23時(shí)間序列分析

1、IBM-SPSS第第23章章 時(shí)間序列分析時(shí)間序列分析時(shí)間序列數(shù)據(jù)特點(diǎn)。（1）趨勢(shì)性：（2）季節(jié)性：（3）周期性：對(duì)時(shí)間序列數(shù)據(jù)分析最常用的方法有：指數(shù)平滑法自回歸法ARIMA法季節(jié)分解法等。時(shí)間序列是系統(tǒng)中某一變量的觀測(cè)值按時(shí)間順序（時(shí)間間隔相同）排列成一個(gè)數(shù)值序列，展示研究對(duì)象在一定時(shí)期內(nèi)的變動(dòng)過(guò)程。通過(guò)處理預(yù)測(cè)目標(biāo)本身的時(shí)間序列數(shù)據(jù)，獲得事物隨時(shí)間過(guò)程的演變特性與規(guī)律，進(jìn)而預(yù)測(cè)事物的未來(lái)發(fā)展。時(shí)間序列分析就是從中尋找和分析事物的變化特征、發(fā)展趨勢(shì)和規(guī)律，它是系統(tǒng)中某一變量受其它各種因素影響的總結(jié)果。時(shí)間序列數(shù)據(jù)區(qū)別于普通資料的本質(zhì)特征是相鄰觀測(cè)值之間的依賴性，或稱自相關(guān)性。時(shí)間序列預(yù)處理

2、的主要方法：對(duì)缺失數(shù)據(jù)的處理和對(duì)數(shù)據(jù)的變換處理。主要包括序列的平穩(wěn)化處理和序列的平滑處理等。SPSS提供了8種平穩(wěn)處理的方法：差分、季節(jié)差分、中心移動(dòng)平均、先前移動(dòng)平均、運(yùn)行中位數(shù)、累計(jì)求和、滯后、提前。例23.1：描述了中國(guó)某城市女士服裝從1993年到2002十年的出口總額及外匯儲(chǔ)備情況，數(shù)據(jù)庫(kù)見例23.1.sav。研究如何創(chuàng)建時(shí)間序列數(shù)據(jù)。1操作步驟操作步驟 （1）單擊“數(shù)據(jù)”|“定義日期”命令，彈出圖23-2所示的對(duì)話框，在“個(gè)案為”選項(xiàng)中選擇“年份、月份”，然后在“第一個(gè)個(gè)案為”中的“年”和“月份”輸入數(shù)據(jù)開始的具體的年份1993和月份1，單擊“確定”，完成時(shí)間變量的定義。（2）單擊“

3、轉(zhuǎn)換”|“創(chuàng)建時(shí)間序列”命令，彈出圖23-3所示的對(duì)話框，將sum變量選入“變量-新名稱”列表中。在函數(shù)子菜單中選擇“季節(jié)差分”選項(xiàng)。（3）單擊“確定”按鈕運(yùn)行，輸出結(jié)果。2實(shí)驗(yàn)結(jié)果及分析實(shí)驗(yàn)結(jié)果及分析圖23-4所示給出了對(duì)“sum”序列進(jìn)行平穩(wěn)化處理的結(jié)果，平穩(wěn)化處理的新序列名稱為“sum_1”，該序列有12個(gè)缺失值，有效個(gè)案為108個(gè)，平穩(wěn)處理的方法是季節(jié)差分方法，函數(shù)的名稱為SDIFF(sum,1,12)。指數(shù)平滑法指數(shù)平滑法指數(shù)平滑法是在移動(dòng)平均模型基礎(chǔ)上發(fā)展起來(lái)的一種時(shí)間序列分析預(yù)測(cè)法有助于預(yù)測(cè)存在趨勢(shì)和（或）季節(jié)的序列，其原理是任一期的指數(shù)平滑值都是本期實(shí)際觀察值與前一期指數(shù)平滑值

4、的加權(quán)平均，指數(shù)平滑是對(duì)過(guò)去值和當(dāng)前值進(jìn)行加權(quán)平均、以及對(duì)當(dāng)前的權(quán)數(shù)進(jìn)行調(diào)整來(lái)抵消統(tǒng)計(jì)數(shù)值的搖擺影響，得到平滑的時(shí)間序列。例23.2：利用1992年初2002年底共11年彩電出口量（單位：“臺(tái)”）的月度數(shù)據(jù)，見例23.2 sav.操作步驟如下：（1）單擊“數(shù)據(jù)”|“定義日期”命令，彈出圖23-2所示的對(duì)話框，打開“定義日期”，在“個(gè)案為”選項(xiàng)中選擇“年份、月份”，然后在“第一個(gè)個(gè)案為”中的“年”和“月份”輸入數(shù)據(jù)開始的具體的年份1992和月份1，單擊“確定”按鈕，完成時(shí)間變量的定義。（2）單擊“分析”|“預(yù)測(cè)”|“創(chuàng)建模型”命令，彈出圖23-7所示的對(duì)話框。（3）將“amounts”選入因變量

5、列表中，在“方法”下拉菜單中選擇“指數(shù)平滑模型”。單擊“確定”按鈕，彈出“指數(shù)平滑條件”對(duì)話框，如圖23-8所示。（4）選中“簡(jiǎn)單季節(jié)模型”，單擊“繼續(xù)”按鈕，保存設(shè)置 （5）單擊“圖表”，選中“觀察值”、“預(yù)測(cè)值”、“擬合值”，單擊“確定”按鈕。（6）單擊“統(tǒng)計(jì)量”，選擇“參數(shù)估計(jì)”和“顯示預(yù)測(cè)值”，單擊“繼續(xù)”按鈕。（7）單擊“確定”按鈕，得到指數(shù)平滑模型建模的結(jié)果。結(jié)果及解釋結(jié)果及解釋圖23-9所示指數(shù)平滑模型的描述性統(tǒng)計(jì)結(jié)果：指數(shù)平滑模型的因變量標(biāo)簽是“模型 ID”，模型的名稱為“模型_1”，模型的類型為“簡(jiǎn)單季節(jié)性”。圖23-10所示給出了模型擬合的八個(gè)擬合優(yōu)度指標(biāo)，以及這些指標(biāo)的均

6、值、最小值、最大值及百分位數(shù)。其中平穩(wěn)的R方值為0.418。圖23-11所示為模型的擬合統(tǒng)計(jì)量和Ljung-BoxQ統(tǒng)計(jì)量。平穩(wěn)的R方值為0.418 。Ljung-BoxQ統(tǒng)計(jì)量值為 18.537，顯著水平為0.293。圖23-12所示為指數(shù)平滑模型參數(shù)估計(jì)值列表。本題擬合的指數(shù)平滑模型的水平Alpha值為0.535，P值為0.000 ，結(jié)果具有顯著性差異。季節(jié)Delta值為0.116 ，P值為0.091，結(jié)果無(wú)統(tǒng)計(jì)學(xué)意義，因此，判斷該數(shù)據(jù)有水平趨勢(shì)，沒(méi)有季節(jié)性特征。圖23-16所示為指數(shù)平滑模型的擬合圖，指數(shù)平滑模型的擬合圖波動(dòng)情況為出口量序列數(shù)據(jù)整體上呈線性上升趨勢(shì)，擬合值和觀測(cè)值在整個(gè)區(qū)

7、間中幾乎重合，因此可以說(shuō)指數(shù)平滑模型對(duì)出口量的擬合情況良好。通過(guò)擬合值和觀測(cè)值，可得某城市的彩電出口量在前7年波動(dòng)較為平緩，后4年波動(dòng)較為劇烈，且呈上升趨勢(shì)。自回歸模型自回歸模型例23-3：為了解衛(wèi)生資源的利用情況，美國(guó)某州收集本地區(qū)1870-1938年醫(yī)療資源消費(fèi)人均年收入及價(jià)格人均年收入和價(jià)格波動(dòng)指數(shù)對(duì)醫(yī)療資源消費(fèi)的影響。見例 23.3.sav。（1）單擊“分析”|“回歸”|“線性”命令，彈出圖23-14所示的“線性回歸”對(duì)話框，將“consump” “因變量”中，將“income”和“price”導(dǎo)入“自變量”中。（2）單擊“統(tǒng)計(jì)量”按鈕，彈出圖23-15所示的對(duì)話框，選擇“估計(jì)”、“模

8、型擬合度”、“Durbin-Watson”，單擊“繼續(xù)”，單擊“確定”按鈕，輸出結(jié)果。（3）單擊“分析”|“預(yù)測(cè)”|“創(chuàng)建模型”命令，彈出圖23-7所示的對(duì)話框，將“consump”導(dǎo)入因變量中，以時(shí)間為自變量，單擊“確定”按鈕，輸出結(jié)果。（4）單擊“分析”|“預(yù)測(cè)”|“自相關(guān)”命令，彈出圖23-16所示的對(duì)話框。（5）單擊“確定”按鈕，輸出結(jié)果。結(jié)果分析：普通多重回歸輸出結(jié)果：圖23-17所示的income和price的偏自回歸系數(shù)分別為：-0.12、-1.228，近似P值分別為0.272，0.000，但前者無(wú)顯著性。統(tǒng)計(jì)量的Durbin-Watson統(tǒng)計(jì)量的取值范圍04，在1.52.5之間表明不存在顯著的自相關(guān)問(wèn)題，若小于2，則表明序列呈自相關(guān)，大于2則表明序列呈負(fù)相關(guān)，因此該